歷史位置信息對(duì)其航跡進(jìn)行預(yù)測(cè)，以此推斷其未來(lái)一段時(shí)間的位置信息[1]。因此，船舶航跡預(yù)測(cè)在減少海上交通密集水域船舶碰撞風(fēng)險(xiǎn)以及輔助進(jìn)行海事搜救、海關(guān)緝私等方面均有重要的經(jīng)濟(jì)及科學(xué)意義。近年來(lái)，國(guó)內(nèi)外學(xué)者在船舶航跡預(yù)測(cè)方面做了大量的研究工作。胡玉可等[2]設(shè)計(jì)了一種基于對(duì)稱分段路徑距離的數(shù)據(jù)預(yù)處理方法，構(gòu)建基于門控循環(huán)單元的循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network, RNN)模型對(duì)船舶航跡進(jìn)行預(yù)測(cè)，側(cè)重于預(yù)測(cè)環(huán)節(jié)，數(shù)據(jù)處理部分的研究工作

監(jiān)控等軍民領(lǐng)域。航跡跟蹤技術(shù)是保證無(wú)人機(jī)任務(wù)執(zhí)行能力的基礎(chǔ)。當(dāng)前國(guó)內(nèi)外對(duì)航跡跟蹤的研究主要包括基于控制論和幾何學(xué)的2類方法。在基于控制論的航跡跟蹤方法中,線性控制方法結(jié)構(gòu)簡(jiǎn)單,但面向考慮姿態(tài)控制的航跡跟蹤非線性問(wèn)題,跟蹤精度較差；而非線性控制方法對(duì)模型精度要求較高,生成控制指令更復(fù)雜,工程實(shí)用有難度?；趲缀螌W(xué)的方法源自導(dǎo)彈制導(dǎo)律,通過(guò)在跟蹤航跡上選取一個(gè)運(yùn)動(dòng)的虛擬目標(biāo),然后控制無(wú)人機(jī)趨向目標(biāo),實(shí)現(xiàn)航跡跟蹤。其中,追蹤法、視線法和非線性導(dǎo)引廣泛應(yīng)用于無(wú)人機(jī)

目標(biāo)跟蹤過(guò)程中，航跡中斷是一個(gè)經(jīng)常發(fā)生的問(wèn)題。航跡中斷會(huì)使得航跡連續(xù)性降低，大量的航跡片段造成傳感器存儲(chǔ)負(fù)擔(dān)，使得長(zhǎng)期跟蹤管理不善，進(jìn)而威脅資源分配，影響傳感器跟蹤性能。為克服航跡中斷帶來(lái)的挑戰(zhàn)，亟需一種能夠有效處理中斷航跡的方法。航跡片段關(guān)聯(lián)（track segment association，TSA）方法是一種常見(jiàn)的處理中斷航跡的方法。文獻(xiàn)［1］最早提出TSA 概念，即通過(guò)保持一致的航跡標(biāo)識(shí)來(lái)減少中斷軌跡的數(shù)量并提高整體跟蹤器性能。文獻(xiàn)［2］提出了一種

12]。針對(duì)目標(biāo)航跡預(yù)測(cè)問(wèn)題，錢夔等[13]提出一種基于BP神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)航跡預(yù)測(cè)模型，通過(guò)提出目標(biāo)活動(dòng)區(qū)域的變化規(guī)律，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí)，實(shí)現(xiàn)對(duì)目標(biāo)飛行航跡的預(yù)測(cè)。謝樹(shù)龍等[14]建立信息殘差修正GM預(yù)報(bào)模型，實(shí)時(shí)在線預(yù)報(bào)目標(biāo)航跡點(diǎn)，提高預(yù)報(bào)精度。姜龍亭等[15]提出一種面向環(huán)境認(rèn)知的態(tài)勢(shì)評(píng)估模型，提高航跡預(yù)測(cè)精度。Perera等[16]提出了集船舶狀態(tài)估計(jì)和航跡預(yù)測(cè)為一體的船舶檢測(cè)與跟蹤，利用卡爾曼濾波方法實(shí)現(xiàn)船舶軌跡的預(yù)測(cè)。上述研究均通

。終端區(qū)包含大量航跡數(shù)據(jù)，這些數(shù)據(jù)中蘊(yùn)含管制員的意圖，航空器的性能以及飛行員的操作習(xí)慣等諸多不易察覺(jué)的因素，通過(guò)數(shù)據(jù)挖掘的方法可以對(duì)航跡進(jìn)行精確預(yù)測(cè)。而終端區(qū)內(nèi)的航跡預(yù)測(cè)可以為管制員提供航空器的飛行輔助信息，為進(jìn)一步實(shí)現(xiàn)空管自動(dòng)化提供先決條件。國(guó)內(nèi)外主要有兩類航跡預(yù)測(cè)方法，第一類基于航空器動(dòng)力學(xué)與運(yùn)動(dòng)學(xué)模型[1-3]。該類方法通過(guò)對(duì)航空器的飛行環(huán)境進(jìn)行推測(cè)，考慮溫度、風(fēng)向和風(fēng)速等因素對(duì)航跡可能產(chǎn)生的影響，根據(jù)航空器飛行時(shí)所處的不同階段建立不同的空氣動(dòng)力學(xué)模

對(duì)多源數(shù)據(jù)融合后航跡的評(píng)估,包括融合評(píng)估指標(biāo)體系的建立,評(píng)估指標(biāo)計(jì)算方法的確定,評(píng)估數(shù)據(jù)的記錄和導(dǎo)入,評(píng)估指標(biāo)計(jì)算,評(píng)估結(jié)果圖-表展示,及評(píng)估報(bào)告自動(dòng)生成等功能。融合評(píng)估指標(biāo)體系包括兩個(gè)方面,含系統(tǒng)性能評(píng)估和航跡質(zhì)量評(píng)估。其中,系統(tǒng)性能評(píng)估有系統(tǒng)周期處理最大航跡數(shù)和系統(tǒng)瞬時(shí)處理最大航跡數(shù)兩個(gè)指標(biāo);航跡質(zhì)量評(píng)估包括系統(tǒng)航跡質(zhì)量評(píng)估和單條航跡質(zhì)量評(píng)估,其中系統(tǒng)航跡質(zhì)量評(píng)估包括漏情率、虛情率和時(shí)效性等指標(biāo);單條航跡質(zhì)量評(píng)估包括航跡起始時(shí)間、漏關(guān)率、錯(cuò)關(guān)率、航跡零

里，覆蓋起飛飛行航跡的1-4個(gè)段，為滿足運(yùn)行規(guī)章在一發(fā)失效情況下的越障要求，常常需要構(gòu)建整個(gè)起飛飛行凈航跡以表明規(guī)章符合性，這在RNP一發(fā)失效起飛應(yīng)急程序設(shè)計(jì)中更是如此。民航客機(jī)為確保飛機(jī)安全，要求在起飛中任意一點(diǎn)一發(fā)失效時(shí)，起飛飛行航跡的凈航跡能夠以運(yùn)行規(guī)章要求的裕度安全越障。為確保這一點(diǎn)，航空公司在實(shí)際運(yùn)行中，是通過(guò)預(yù)先進(jìn)行詳細(xì)起飛分析，并在需要時(shí)制定起飛一發(fā)失效應(yīng)急程序來(lái)完成的。這種工作中，大部分機(jī)場(chǎng)只需考慮凈航跡飛越近距（距跑道頭10km左右）或中

上報(bào)更新后的雷達(dá)航跡信息，完成一個(gè)處理循環(huán)[1-2]。機(jī)載雷達(dá)在載機(jī)運(yùn)動(dòng)的過(guò)程中下視探測(cè)目標(biāo)，雜波環(huán)境具有強(qiáng)度大、特性復(fù)雜、變化快的特點(diǎn)，檢測(cè)過(guò)程中容易發(fā)生漏報(bào)和虛警；機(jī)載雷達(dá)一般需要同時(shí)跟蹤大量目標(biāo)，跟蹤對(duì)象包含導(dǎo)彈、飛機(jī)、車輛、艦船等各類目標(biāo)，目標(biāo)運(yùn)動(dòng)參數(shù)范圍廣，缺乏目標(biāo)的先驗(yàn)信息。因此，機(jī)載雷達(dá)跟蹤目標(biāo)時(shí)，如果航跡與目標(biāo)一一對(duì)應(yīng)，使一批目標(biāo)只能處于運(yùn)動(dòng)參數(shù)固定的某種運(yùn)動(dòng)狀態(tài)下，當(dāng)目標(biāo)機(jī)動(dòng)狀態(tài)不明或目標(biāo)丟點(diǎn)同時(shí)存在機(jī)動(dòng)關(guān)聯(lián)門限內(nèi)的虛警或雜波時(shí)，或者在機(jī)

方式[3-5]，航跡關(guān)聯(lián)作為分布式多傳感器信息融合系統(tǒng)中的關(guān)鍵一步，用來(lái)判斷各傳感器的航跡是否屬于同一目標(biāo)[6]，其判別性能直接影響整個(gè)信息融合系統(tǒng)的性能。末制導(dǎo)階段，導(dǎo)彈在對(duì)目標(biāo)進(jìn)行跟蹤打擊過(guò)程中當(dāng)目標(biāo)航跡之間存在交叉時(shí)易出現(xiàn)航跡關(guān)聯(lián)錯(cuò)誤；同時(shí)，由于目標(biāo)釋放的誘餌干擾，使得某些傳感器觀測(cè)數(shù)據(jù)相對(duì)目標(biāo)真實(shí)位置產(chǎn)生嚴(yán)重偏移，進(jìn)一步加劇了航跡關(guān)聯(lián)處理的復(fù)雜性。航跡關(guān)聯(lián)算法主要有基于統(tǒng)計(jì)和基于模糊數(shù)學(xué)的方法。基于統(tǒng)計(jì)算法是以兩兩航跡狀態(tài)估計(jì)的差值作為統(tǒng)計(jì)量[7]

行排序，分析離群航跡產(chǎn)生原因降低潛在安全風(fēng)險(xiǎn)[2]；分析航班進(jìn)場(chǎng)時(shí)間的相關(guān)特征，分離不同進(jìn)場(chǎng)飛行路徑，預(yù)測(cè)航班到達(dá)時(shí)間[3]。航跡分析中的重要一步是對(duì)航空器通過(guò)不同進(jìn)場(chǎng)路徑產(chǎn)生的航跡簇進(jìn)行合理分離，航跡聚類算法被廣泛用于分析進(jìn)場(chǎng)航班的交通流量特征[4]。近年來(lái)有許多研究者提出了不同的航跡聚類方法[5-7]，文獻(xiàn)[8]提出采用主成份分析（PCA）的方法降低數(shù)據(jù)維度，并用基于模型和密度的聚類方法得到聚類航跡，主要考慮雷達(dá)覆蓋區(qū)的入口點(diǎn)航跡的聚類。文獻(xiàn)[9]提出

成目標(biāo)點(diǎn)跡丟失和航跡中斷。從信號(hào)處理層面，多普勒盲區(qū)難以消除，因此，可在數(shù)據(jù)處理層面，通過(guò)改進(jìn)目標(biāo)跟蹤方法來(lái)減小多普勒盲區(qū)對(duì)目標(biāo)航跡質(zhì)量造成的影響。一些學(xué)者針對(duì)多普勒盲區(qū)條件下的目標(biāo)跟蹤問(wèn)題開(kāi)展了深入研究，主要思想是將多普勒盲區(qū)先驗(yàn)信息并入到各種濾波算法中[4-6]。但以上研究均針對(duì)單目標(biāo)環(huán)境，在實(shí)際探測(cè)過(guò)程中，存在雜波和多目標(biāo)的情況，這就涉及到多目標(biāo)數(shù)據(jù)關(guān)聯(lián)的問(wèn)題。一些學(xué)者主要針對(duì)多目標(biāo)數(shù)據(jù)關(guān)聯(lián)方法進(jìn)行了改進(jìn)。一類是多普勒盲區(qū)下多目標(biāo)概率密度類跟蹤算法的

傳感器送來(lái)的局部航跡后，需要對(duì)局部航跡進(jìn)行航跡分類，然后再對(duì)歸類后的航跡進(jìn)行航跡融合，最后形成系統(tǒng)航跡[3-8]。直接對(duì)整個(gè)目標(biāo)區(qū)域的多條局部航跡進(jìn)行兩兩關(guān)聯(lián)，運(yùn)算量會(huì)非常大，每2條航跡間進(jìn)行關(guān)聯(lián)時(shí)，都需要求得局部雷達(dá)傳感器跟蹤濾波器提供的檢驗(yàn)統(tǒng)計(jì)量，求該檢驗(yàn)統(tǒng)計(jì)量時(shí)要計(jì)算矩陣的求逆、相加和相乘[9-12]。目前，雖然計(jì)算機(jī)運(yùn)算速度非?？?，但是矩陣的運(yùn)算量非常大，尤其是求逆運(yùn)算。在雷達(dá)網(wǎng)航跡關(guān)聯(lián)中[13-16]，由于多部雷達(dá)同時(shí)跟蹤多個(gè)目標(biāo)，局部航跡的數(shù)量

的一個(gè)重要課題。航跡欺騙具有多種形式，相應(yīng)的組網(wǎng)雷達(dá)亦有多種反欺騙策略。本文主要考慮距離假目標(biāo)欺騙與同源性檢驗(yàn)和數(shù)據(jù)融合之間對(duì)抗問(wèn)題。文獻(xiàn)[1-3]對(duì)距離假目標(biāo)欺騙研究了相關(guān)硬件實(shí)現(xiàn)原理，因而本文不涉及相應(yīng)的硬件實(shí)現(xiàn)。文獻(xiàn)[4-5]都是建立了單架無(wú)人機(jī)欺騙單部雷達(dá)的基本數(shù)學(xué)模型并對(duì)求解算法進(jìn)行優(yōu)化，其中文獻(xiàn)[4]采用勒讓德偽譜法對(duì)模型進(jìn)行求解，提高了求解模型的精度，文獻(xiàn)[5]提出一種飛行器編隊(duì)協(xié)同控制的虛假航跡產(chǎn)生方法，文獻(xiàn)[6-7]研究了欺騙數(shù)學(xué)模型并對(duì)

據(jù)融合的方式，即航跡融合的結(jié)構(gòu)。1.1 主動(dòng)探測(cè)數(shù)據(jù)融合先得到各雷達(dá)搜索狀態(tài)航跡處理結(jié)果，然后進(jìn)行時(shí)間配準(zhǔn)、空間配準(zhǔn)和誤差配準(zhǔn)，接著將兩者的航跡進(jìn)行關(guān)聯(lián)，確認(rèn)是否為同一目標(biāo)的航跡，如果是則進(jìn)行航跡融合和狀態(tài)估計(jì)，得到融合結(jié)果，如果不是則保持原雷達(dá)的航跡處理結(jié)果。輸入：雷達(dá)1航跡信息(ri,θi,φi)，其中i=1,2,…n，共有n條航跡，ri為第i條航跡的距離，θi為第i條航跡的方位，φi為第i條航跡的俯仰。雷達(dá)2航跡信息(rj,θj,φj)，其中j=1,

增加，飛行目標(biāo)的航跡數(shù)據(jù)也越來(lái)越龐大復(fù)雜。面對(duì)龐大復(fù)雜的航跡數(shù)據(jù)，如何有效地利用不同管制意圖的歷史航跡特征，并對(duì)新的航跡意圖進(jìn)行識(shí)別已成為航空業(yè)領(lǐng)域的新穎之處。為了避免對(duì)歷史航跡進(jìn)行大量標(biāo)記人工成本高且難度大的缺點(diǎn)，本文采用半監(jiān)督的思想，對(duì)少量歷史航跡進(jìn)行標(biāo)注并定義其意圖。標(biāo)記完成后，首先，利用均值及曲線擬合的思想對(duì)歷史航跡數(shù)據(jù)總結(jié)航跡特征。其次，通過(guò)基于航跡形狀約束的半監(jiān)督K-means 聚類改進(jìn)算法對(duì)歷史航跡進(jìn)行聚類。并將聚類后的特征集存到數(shù)據(jù)庫(kù)。最后

系統(tǒng)自動(dòng)規(guī)劃參考航跡，飛行器在衛(wèi)星導(dǎo)航系統(tǒng)輔助下沿參考航跡自動(dòng)由起始點(diǎn)飛往目標(biāo)點(diǎn)，參考航跡在飛行過(guò)程中可根據(jù)探測(cè)到的威脅實(shí)時(shí)調(diào)整。由于這是無(wú)源技術(shù)，隱身效果較好。同時(shí)由于在低空突防中飛行器是自動(dòng)飛行的，避免了飛行員的緊張、疲勞，因此適用于長(zhǎng)距離超低空突防。本文基于數(shù)字地形采用綜合航跡平滑算法進(jìn)行地形跟隨參考航跡規(guī)劃。1 地形跟隨航跡規(guī)劃地形跟隨航跡規(guī)劃采用綜合航跡平滑算法，該方法類似于信號(hào)處理中的“地形高程平滑算法”。為避免導(dǎo)航系統(tǒng)定位誤差、數(shù)字地形精度誤

便的途徑。對(duì)目標(biāo)航跡的分析、模擬與仿真是研究目標(biāo)飛行特性、進(jìn)行目標(biāo)信息預(yù)測(cè)的第一步。目前國(guó)內(nèi)外對(duì)目標(biāo)航跡進(jìn)行分析與模擬時(shí)，多數(shù)將其看成簡(jiǎn)單的直線運(yùn)動(dòng)或圓周運(yùn)動(dòng)及其組合[2-8]，沒(méi)有考慮其他復(fù)雜情況，也很少將速度納入航跡分析中，而有些只研究了個(gè)別典型航跡[9]，都未能充分描述戰(zhàn)機(jī)的一些實(shí)際情況。根據(jù)空中飛行目標(biāo)運(yùn)動(dòng)的實(shí)際情況，考慮將橢圓弧航跡引入航跡模擬中，并將航跡歸為四類：直線航跡、水平面內(nèi)弧線航跡、鉛垂面內(nèi)弧線航跡和復(fù)雜航跡。通過(guò)對(duì)四類航跡進(jìn)行分析，建

在分布式多傳感器航跡融合系統(tǒng)中[2]，各傳感器周期性地將傳感器量測(cè)發(fā)送至跟蹤器，跟蹤器進(jìn)行目標(biāo)跟蹤處理得到局部航跡（傳感器航跡），然后，將跟蹤輸出的局部航跡傳送至融合中心進(jìn)行融合處理。航跡融合包括航跡關(guān)聯(lián)和航跡狀態(tài)估計(jì)融合兩步。其中，在航跡關(guān)聯(lián)過(guò)程中，系統(tǒng)將來(lái)自各傳感器的局部航跡進(jìn)行兩兩關(guān)聯(lián)；而在航跡狀態(tài)估計(jì)過(guò)程中，融合中心通過(guò)相應(yīng)的航跡融合算法將那些經(jīng)過(guò)航跡關(guān)聯(lián)后判定為來(lái)自同一目標(biāo)的局部航跡進(jìn)行融合，形成系統(tǒng)航跡。一直以來(lái)，航跡融合算法都是分布式多傳感器

6部隊(duì))?？漳繕?biāo)航跡關(guān)聯(lián)算法研究劉 帥1,2，楊 松1，常 歌1，董亞卓1(1.海軍91655部隊(duì)，北京 100036；2.海軍92196部隊(duì))介紹了航跡關(guān)聯(lián)的概念與意義，歸納總結(jié)了航跡關(guān)聯(lián)能夠解決的問(wèn)題以及面臨的困難。研究?？漳繕?biāo)航跡關(guān)聯(lián)算法有利于實(shí)現(xiàn)航跡關(guān)聯(lián)工作的自動(dòng)化，提高工作效率和準(zhǔn)確率。通過(guò)拉格朗日插值法對(duì)真值航跡進(jìn)行插值，獲得足夠多的時(shí)標(biāo)一致的融合航跡與真值航跡對(duì)應(yīng)的航跡點(diǎn)，計(jì)算對(duì)應(yīng)航跡點(diǎn)之間的距離，與給定閾值相比較，判斷其對(duì)應(yīng)關(guān)系，進(jìn)而實(shí)現(xiàn)自

離信息的探測(cè)系統(tǒng)航跡起始算法張 星，杜嘉薇，陳汗龍，崔龍飛(中國(guó)洛陽(yáng)電子裝備試驗(yàn)中心研究所，河南 洛陽(yáng) 471003)航跡起始是探測(cè)系統(tǒng)的重要組成部分，是情報(bào)處理的首要問(wèn)題，確保正確的航跡起始是減少探測(cè)跟蹤固有組合爆炸的有效措施。在研究常用的直觀法、M/N邏輯法等航跡起始算法的基礎(chǔ)上，提出了基于斜距離信息的改進(jìn)邏輯法，在M/N邏輯框架下內(nèi)增加斜距離的二次波門約束，并將同一波門內(nèi)的多個(gè)量測(cè)合并成一個(gè)組合量測(cè)，減少起始航跡數(shù)量，提高航跡起批效率。仿真結(jié)果表明，

跟蹤中一種改進(jìn)的航跡起始算法賈巖松1，許志偉2（1.四川大學(xué)計(jì)算機(jī)學(xué)院，成都 610065；2.國(guó)家空管自動(dòng)化系統(tǒng)技術(shù)重點(diǎn)實(shí)驗(yàn)室，成都 610065）邏輯法是航跡起始的一種傳統(tǒng)方法，在多目標(biāo)跟蹤中，傳統(tǒng)的邏輯法虛警率較高，針對(duì)這個(gè)問(wèn)題，提出一種改進(jìn)的算法。該算法首先將航跡進(jìn)行分類劃分，不同分類的航跡關(guān)聯(lián)量測(cè)數(shù)量不同；同時(shí)在航跡起始確認(rèn)階段，提出最小檢測(cè)數(shù)量準(zhǔn)則、丟失數(shù)量準(zhǔn)則、最小速度準(zhǔn)則、最大速度準(zhǔn)則。實(shí)驗(yàn)結(jié)果表明，該算法降低虛警率。多目標(biāo)跟蹤；航跡起始；

法的橢圓擬合實(shí)時(shí)航跡矢量化方法民航業(yè)的快速發(fā)展使得各地空管部門壓力急劇增大，為了解決日益嚴(yán)峻的空中交通管制問(wèn)題，本文提出實(shí)時(shí)航跡矢量化方法。該方法的原理為首先對(duì)實(shí)時(shí)雷達(dá)數(shù)據(jù)采用最小二乘法擬合航跡段，然后通過(guò)判定航跡段間的夾角，將航跡處理為直線段與曲線段的連接；最后通過(guò)橢圓擬合方法對(duì)實(shí)時(shí)航跡點(diǎn)預(yù)測(cè)，以及相應(yīng)的偏差修正，以完成對(duì)于實(shí)時(shí)航跡的矢量化預(yù)測(cè)過(guò)程。對(duì)飛行航跡進(jìn)行擬合的方法以最小二乘法最為普遍，最早的橢圓擬合方法源自最小二乘法，考慮隨機(jī)產(chǎn)生的誤差對(duì)數(shù)據(jù)的

。其中，雷達(dá)目標(biāo)航跡建立和管理是雷達(dá)數(shù)據(jù)處理技術(shù)的重要步驟之一。其重要意義在于，僅僅將原始雷達(dá)視頻回波經(jīng)過(guò)點(diǎn)跡凝聚處理，產(chǎn)生的單一點(diǎn)跡信息已經(jīng)不能滿足雷達(dá)系統(tǒng)和用戶對(duì)雷達(dá)目標(biāo)信息的要求，有必要在點(diǎn)跡凝聚和處理后對(duì)目標(biāo)的運(yùn)動(dòng)軌跡等相關(guān)信息進(jìn)行更深層次的研究，而這正是雷達(dá)目標(biāo)航跡建立和管理所研究的核心內(nèi)容。所謂航跡，是指對(duì)目標(biāo)的若干點(diǎn)跡進(jìn)行處理后連成的曲線。航跡建立和處理是將同一目標(biāo)的點(diǎn)跡連成航跡的處理過(guò)程[1]。通過(guò)航跡建立和管理，與僅提供點(diǎn)跡信息相比，用戶

評(píng)估和預(yù)測(cè)，結(jié)合航跡數(shù)據(jù)、飛行速度、飛機(jī)機(jī)型數(shù)據(jù)等機(jī)場(chǎng)噪聲主要影響因素進(jìn)行航跡聚類。研究每一簇內(nèi)的航跡噪聲影響范圍和監(jiān)測(cè)點(diǎn)噪聲影響值是否相似，為機(jī)場(chǎng)噪聲預(yù)測(cè)提供理論與技術(shù)支持尤為重要。因此，開(kāi)展航跡聚類研究有著十分重要的應(yīng)用價(jià)值。由于機(jī)場(chǎng)跑道資源有限，機(jī)場(chǎng)流量擁堵，使得機(jī)場(chǎng)空域流量擁擠和航班延誤嚴(yán)重，F(xiàn)rank等提出了基于航跡點(diǎn)比對(duì)進(jìn)行航跡聚類［1］，更好地規(guī)劃空域內(nèi)的飛行程序，從而減少空域擁堵和航班延誤；Gariel等提出了基于最長(zhǎng)公共子序列的相似性度量

）0 引 言虛假航跡是由非真實(shí)目標(biāo)的雷達(dá)量測(cè)數(shù)據(jù)（雜波、干擾等）建立的虛假的、錯(cuò)誤的目標(biāo)航跡。在作戰(zhàn)指揮時(shí)，如果態(tài)勢(shì)中存在大量的虛假航跡，必然會(huì)給指揮員的作戰(zhàn)決策帶來(lái)嚴(yán)重的干擾。因此對(duì)于任何一個(gè)探測(cè)系統(tǒng)來(lái)說(shuō)，所產(chǎn)生的虛假航跡越少越好。但目前，由于探測(cè)環(huán)境日益復(fù)雜，且存在很多有源、無(wú)源干擾，雷達(dá)為了能夠盡早發(fā)現(xiàn)散射面積日益減小的作戰(zhàn)平臺(tái)，導(dǎo)致探測(cè)數(shù)據(jù)中不可避免會(huì)混雜部分雜波或干擾數(shù)據(jù)。當(dāng)雜波密度過(guò)大時(shí)，僅單純使用現(xiàn)有的航跡起始算法［1－5］常常會(huì)建立較多的虛

00300）基于航跡點(diǎn)法向距離的航跡聚類研究徐 濤1，2，李永祥1，呂宗平2（1.中國(guó)民航大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，天津300300；2.中國(guó)民航大學(xué)中國(guó)民航信息技術(shù)科研基地，天津300300）隨著民航業(yè)的飛速發(fā)展，機(jī)場(chǎng)噪聲污染問(wèn)題越來(lái)越嚴(yán)重，研究航跡聚類對(duì)機(jī)場(chǎng)噪聲預(yù)防治理工作具有重要意義。現(xiàn)有航跡聚類算法所采用的航跡點(diǎn)對(duì)選取方式，無(wú)法實(shí)現(xiàn)所選航跡點(diǎn)對(duì)在空間上的對(duì)應(yīng)，嚴(yán)重影響聚類效果。針對(duì)這一問(wèn)題，提出一種基于航跡點(diǎn)法向距離的航跡聚類模型。該模型采用航跡點(diǎn)

婷摘 要：船舶的航跡帶寬度值反映了船舶在航行過(guò)程中偏離航跡線的程度，可以表征船舶的位置變化情況，能夠?yàn)榇巴ê桨踩芯亢秃降缹挾仍O(shè)計(jì)等方面提供參考依據(jù)?；贏IS數(shù)據(jù)獲取船舶位置點(diǎn)進(jìn)行航跡擬合，并考慮風(fēng)流壓差的影響計(jì)算船舶航跡帶寬度，與設(shè)計(jì)規(guī)范給出的值進(jìn)行對(duì)比分析，為相關(guān)規(guī)范的進(jìn)一步研究和發(fā)展奠定基礎(chǔ)。關(guān)鍵詞：航跡帶寬度 AIS數(shù)據(jù) 航跡擬合 風(fēng)流壓偏角endprint

33012）基于航跡似然性的一體化目標(biāo)跟蹤算法研究＊鄭潤(rùn)高 陳金來(lái) 梁東坡（海軍蚌埠士官學(xué)校 蚌埠 233012）針對(duì)目前大多數(shù)目標(biāo)跟蹤算法解決的只是目標(biāo)跟蹤過(guò)程（航跡起始、數(shù)據(jù)關(guān)聯(lián)、航跡維持和航跡終止）中的部分問(wèn)題，探討了如何將目標(biāo)跟蹤的整個(gè)過(guò)程在一個(gè)算法中完整體現(xiàn)的可能性。通過(guò)研究，發(fā)現(xiàn)了航跡似然性這一有效參量，在此基礎(chǔ)上提出了基于航跡似然性的一體化目標(biāo)跟蹤算法。在目標(biāo)跟蹤過(guò)程中，該算法通過(guò)航跡假設(shè)、利用航跡似然性參數(shù)能夠及時(shí)發(fā)現(xiàn)新目標(biāo)、較準(zhǔn)確的關(guān)聯(lián)數(shù)

1)0 引言目標(biāo)航跡數(shù)據(jù)聚類挖掘分析能夠從紛雜的航跡數(shù)據(jù)中發(fā)現(xiàn)目標(biāo)的潛在運(yùn)動(dòng)軌跡，可以用于態(tài)勢(shì)數(shù)據(jù)挖掘、目標(biāo)行為意圖分析和空中交通流量分析等領(lǐng)域［1-5］。現(xiàn)有的航跡數(shù)據(jù)挖掘算法大多數(shù)是針對(duì)整個(gè)航跡設(shè)計(jì)的，但在實(shí)際數(shù)據(jù)中，整條航跡具有相似性的情況不多，大多數(shù)情況是不同航跡之間在部分航跡線段上具有相似性，以整條航跡為研究對(duì)象的聚類算法往往不能發(fā)現(xiàn)局部航跡線段的聚集特性［6，7］。本文給出一種新的目標(biāo)航跡數(shù)據(jù)聚類分析算法，以航跡線段為對(duì)象設(shè)計(jì)聚類挖掘算法，并按

50006）多源航跡處理是雷達(dá)組網(wǎng)系統(tǒng)中的重要問(wèn)題，主要包括各信息源航跡濾波及估計(jì)、航跡關(guān)聯(lián)及航跡融合。經(jīng)過(guò)多步處理的航跡信息最后用來(lái)進(jìn)行態(tài)勢(shì)評(píng)估和威脅判斷，為指揮員提供輔助決策。目前，許多文獻(xiàn)對(duì)多信息源航跡處理方法進(jìn)行了研究探討，但大都是在空間域上對(duì)目標(biāo)的航跡參數(shù)進(jìn)行處理。目標(biāo)航跡數(shù)據(jù)序列實(shí)際上是一個(gè)非平穩(wěn)隨機(jī)過(guò)程，在航跡的特征向量分析中，低頻部分反映了航跡的總體態(tài)勢(shì)，高頻部分反映了運(yùn)動(dòng)細(xì)節(jié)和噪聲干擾[1]。而小波的多分辨率特性可以將信號(hào)的低頻和高頻部分

0001哈爾濱)航跡融合必須以航跡關(guān)聯(lián)為前提，因此關(guān)聯(lián)判定的準(zhǔn)確性將直接影響到整個(gè)航跡融合系統(tǒng)的性能.航跡關(guān)聯(lián)備受國(guó)內(nèi)外學(xué)者關(guān)注，一直是研究的熱點(diǎn)問(wèn)題之一.Ashraf M.Aziz[1]提出了一種基于模糊均值聚類的航跡融合方法來(lái)解決分布式多傳感器多目標(biāo)多屬性重疊覆蓋場(chǎng)景中的航跡關(guān)聯(lián)和融合問(wèn)題.Baoguo Tian等[2]將航跡關(guān)聯(lián)問(wèn)題轉(zhuǎn)化成多維分配問(wèn)題進(jìn)行求解.Songhwai Oh等[3]用馬爾科夫鏈蒙特卡洛數(shù)據(jù)關(guān)聯(lián)算法較好地解決了目標(biāo)密集環(huán)境下的航

028)0 引言航跡起始是目標(biāo)跟蹤的第一步，它是建立新的目標(biāo)檔案的決策方法，主要包括暫時(shí)航跡形成和軌跡確定兩個(gè)方面，是目標(biāo)跟蹤領(lǐng)域中的首要問(wèn)題。航跡起始的準(zhǔn)則應(yīng)是在虛警概率最小的情況下能正確起始目標(biāo)航跡。由于航跡起始時(shí)，目標(biāo)一般距雷達(dá)站很遠(yuǎn)，傳感器探測(cè)分辨力低，測(cè)量精度差，加之真假目標(biāo)的出現(xiàn)無(wú)真正的統(tǒng)計(jì)規(guī)律，因此在多目標(biāo)航跡處理中，航跡起始是難以處理的問(wèn)題［1－3］。與跟蹤維持階段的研究成果相比，這方面的研究成果較少，有關(guān)航跡起始算法性能分析方面的成果更少

的關(guān)鍵技術(shù)之一，航跡規(guī)劃問(wèn)題已受到國(guó)內(nèi)外學(xué)者的廣泛研究，但目前關(guān)于最優(yōu)航跡求解問(wèn)題，大多是將某條整體代價(jià)最小航跡作為最優(yōu)航跡，而沒(méi)有求解出航跡上航跡點(diǎn)的殺傷概率［1－2］，這樣可能導(dǎo)致的問(wèn)題是:即使某條航跡整體代價(jià)最小，但可能會(huì)出現(xiàn)局部航跡點(diǎn)的殺傷概率無(wú)法滿足UAV的安全性要求，因此所得到的最優(yōu)航跡并不是真正意義上的最優(yōu)航跡 。文獻(xiàn)［3－4］將火力殺傷區(qū)分為完全殺傷區(qū)和概率殺傷區(qū)，利用分水嶺算法求解出了最優(yōu)航跡，但仍然沒(méi)有求解出航跡點(diǎn)的具體殺傷概率，因此所

001)1 引言航跡起始是航跡處理中的首要問(wèn)題[1～3],但同跟蹤維持的研究相比,航跡起始課題方面的研究成果非常少。由于航跡起始時(shí),目標(biāo)一般距偵察站很遠(yuǎn),傳感器探測(cè)分辨力低、測(cè)量精度差,加之真假目標(biāo)的出現(xiàn)無(wú)真正的統(tǒng)計(jì)規(guī)律,因此在多目標(biāo)航跡處理中,航跡起始問(wèn)題是難以處理的問(wèn)題[4～6]。在實(shí)際應(yīng)用中邏輯法在虛警概率比較低的情況下可以有效的起始目標(biāo)的航跡。為了能在虛警概率比較高的情況下,快速起始航跡,本文根據(jù)航跡起始時(shí),目標(biāo)距離比較遠(yuǎn),一般作勻速或勻加速直線運(yùn)